如何将 UTF-8 中的波斯数字转换为 ASCII 中的欧洲数字？

Question

在波斯数字中，??????????相当于0123456789在欧洲数字中。

如何将波斯数字（ in UTF-8）转换为 ASCII？

例如，我想??成为21.

Answer 1

由于它是一组固定的数字，您可以手动完成：

$ echo ?? | LC_ALL=en_US.UTF-8 sed -e 'y/??????????/0123456789/'
21

（或使用tr，但尚未使用GNU tr）

需要将您的语言环境设置为en_US.utf8（或更好地设置为字符集所属的语言环境）sed才能识别您的字符集。

与perl：

$ echo "??" |
  perl -CS -MUnicode::UCD=num -MUnicode::Normalize -lne 'print num(NFKD($_))'
21

Answer 2

对于 Python，有unidecode一个处理此类转换的库：https : //pypi.python.org/pypi/Unidecode。

在 Python 2 中：

>>> from unidecode import unidecode
>>> unidecode(u"??????????")
'0123456789'

在 Python 3 中：

>>> from unidecode import unidecode
>>> unidecode("??????????")
'0123456789'

/sf/ask/566116701/ 上的 SO 线程可能与此相关。

/ 编辑：正如 Wander Nauta 在评论中指出的，正如在 Unidecode 页面上提到的，还有一个 shell 版本unidecode（/usr/local/bin/如果安装在下面pip）：

$ echo '??????????' | unidecode
0123456789

Answer 3

纯 bash 版本：

#!/bin/bash

number="$1"

number=${number//?/1}
number=${number//?/2}
number=${number//?/3}
number=${number//?/4}
number=${number//?/5}
number=${number//?/6}
number=${number//?/7}
number=${number//?/8}
number=${number//?/9}
number=${number//?/0}

echo "Result is $number"

已经在我的 Gentoo 机器上测试过，它可以工作。

./convert ???
Result is 132

给定要转换的字符列表（从 0 到 9），作为循环完成：

#!/bin/bash
conv() ( LC_ALL=en_US.UTF-8
         local n="$2"
         for ((i=0;i<${#1};i++)); do
              n=${n//"${1:i:1}"/"$i"}
         done
         printf '%s\n' "$n"
       )

conv "??????????" "$1"

并用作：

$ convert ???
132

另一种（相当矫枉过正）方式使用grep：

#!/bin/bash

nums=$(echo "$1" | grep -o .)
result=()

for i in $nums
do
    case $i in
        ?)
            result+=1
            ;;
        ?)
            result+=2
            ;;
        ?)
            result+=3
            ;;
        ?)
            result+=4
            ;;
        ?)
            result+=5
            ;;
        ?)
            result+=6
            ;;
        ?)
            result+=7
            ;;
        ?)
            result+=8
            ;;
        ?)
            result+=9
            ;;
        ?)
            result+=0
            ;;
    esac
done
echo "Result is $result"

Answer 4

我们可以利用波斯数字的 UNICODE 代码点是连续的并且从 0 到 9 排序的事实：

$ printf '%b' '\U06F'{0..9}
??????????

这意味着最后一个十六进制数字是十进制值：

$ echo $(( $(printf '%d' "'?") & 0xF ))
2

这使得这个简单的循环成为一个转换工具：

#!/bin/bash
(   ### Use a locale that use UTF-8 to make the script more reliable.
    ### Maybe something like LC_ALL=fa_IR.UTF-8 for you?.
    LC_ALL=en_US.UTF-8
    a="$1"
    while (( ${#a} > 0 )); do
        # extract the last hex digit from the UNICODE code point
        # of the first character in the string "$a":
        printf '%d' $(( $(printf '%d' "'$a") & 15 ))
        a=${a#?}    ## Remove one character from $a
    done
)
echo

将其用作：

$ sefr.sh ??????????
0123456789

$ sefr.sh ???
201

$ sefr.sh ??
21

请注意，此代码还可以转换阿拉伯数字和拉丁数字（即使混合）：

$ sefr.sh ?4??5??6??7??8??9?
444555666777888999

$ sefr.sh ??0??7??3????
4700671335667